譚新強:Galileo的教誨:人類非宇宙中心點
文章日期:2021年5月21日
【明報專訊】人類非常自以為是,一切以自己為中心的動物。自古以來,不止大部分人都以為大地是平或者是方的,他們更以為天上的星星、月亮和太陽,都是圍繞着我們而運轉的。當伽利略(Galileo Galilei)以望遠鏡觀察得來科學證據,支持哥白尼(Nicolaus Copernicus)的太陽中心論,他就被教廷批鬥和逼害了20多年之久。
即使現代人也有同樣自以為是的主觀願望。不少人偏見地以為近數十的所謂新發明,例如互聯網、手機、AI、機械人和加密貨幣等,都必然是人類史上最偉大和最重要發明。更有不少人甚至相信所謂加速回報定律(Law of Accelerating Returns),認為重要科技發明的速度不斷提升,很快就將達到人網合一的所謂「奇點」(Singularity)!
客觀點來看,這些科技發展雖重要,尤其互聯網和手機,令到日常生活更方便和豐富,但怎可能比火、蒸氣機、電力、電話、汽車和飛機等更重要?有人曾問過李光耀,什麼是偉大發明?他的答案是對新加坡而言,最重要的發明是空調!他認為在熱帶地區,如沒有空調,工作效率非常低,經濟發展必更困難。你可能以為李光耀此言是開玩笑,小小一台冷氣機,怎可能那麼偉大?但事實擺在眼前,新加坡是熱帶國家中,極少數(差不多唯一)能達到發達國家水平的國家之一,成功原素當然不止空調這麼簡單,但他立國不久即決定盡快在所有政府辦公室裝置空調,肯定對提升政府效率有極大幫助。
近20年科技無助提升生產效率
若以生產效率的趨勢來判斷近20年科技發展的成效和重要性,不幸客觀結論就必然是頗為失望,甚至驚訝。因為不論美國或中國,過去20年的勞動生產率(labour productivity)增長都不斷放緩(見圖1及圖2),就如數以萬億美元計的IT投資,每人手中一台超級電腦,都提升不了我們的生產效率。更不需遑論AI結合機械人,再加5G,所有工廠都應變得更自動化,需要的工人極少,理論上人均生產效率必定急速提升。
這麼多「超偉大」發明,怎去解釋生產效率增長率不加速反放緩的重大謎團?我認為可探討3個可能性。
(1)從1970年代開始,個人電腦(PC)開始崛起和普及,企業投入大量資源,期望生產力效率大幅提升。但長近20年的投資期,效果一直是失望的,在互聯網普及前,大部分電腦幾乎可算是獨立的,主要用途只包括文書處理(word processing)、電子試算表(spreadsheet)和簡單資料庫(database)等,即使有通訊功能,也只限於速度極慢、撥號連線的modem。在這個單打獨鬥的環境下,大部分PC亦是一台昂貴的高級打字機,對生產力提升當然有限。後來隨着互聯網崛起、寬頻普及,企業開始看得到大量投資IT的回報。當然互聯網的發展,提供了創立大量新企業的機會(但即使如此,上世紀七十年代至今的生產力增長也一直放緩)。
同一道理,過去30年的新科技發展,將有重新提升生產力效率的一天,可能只是時辰未到。我贊同有此可能性,但到底現代科技,缺乏什麼催化劑,防止它們完全體現潛能?我也沒有準確答案,部分可能是投放的量未足夠,例如5G,大家一直期待網絡速度馬上提升10倍以上至Gbps級別,但事實上在美國和中國的用戶體驗極差,平均速度提升50%不到,某些情况和地區,甚至比4G更慢,亦較受障礙物如牆壁阻礙接收。應用方面更缺乏「killer apps」,據說在中國的流行5G App是Speedtest,就是用來測試通訊速度!現時平均每個基站服務約7000用户,當然寄望繼續增加密度,到了某個水平,希望能較成功體現5G功能。除此,高頻率的mmWave網絡仍在起步階段,高頻率才可真正大幅提升速度,但不幸物理上,mmWave穿透力更差,要實現IoT夢想,實時遙控高速機器,進行精細手術和應用於交通系統等,仍面對極大挑戰。
(2)人均生產效率增長放緩,有可能是定義和數據準確度的問題。會否是不可以金錢來量度近代科技發展所帶來的所有好處,除經濟增長外,亦有助改善人類健康、延長壽命,以及提升快樂感?有可能,事實上在過去200多年,全球人類壽命的確上升很多,從不到30歲升至現在的70多歲;但大部分應該是公共衛生的改善,尤其自來水的普及,農業進步導致營養改良,以及接生技術和環境改善,大幅減低嬰兒夭折率等,而非來自先進癌症治療法或基因工程技術。當然,近年英美的平均壽命更出現下跌趨勢。快樂的定義更抽象,跟科技發展更沒有一個必然關係,去多幾次日本就一定開心啲?著名人類學家Steven Pinker認為,原始的hunter-gatherers,以狩獵為生,不用花太多時間工作和計劃生活,平均快樂度反而比生活較穩定和富庶的農業社會高很多。原因是農業需要長達一年的工作計劃、播種、灌溉、收割和儲糧等等,全年忙碌,亦需全年憂慮天氣和瘟疫等。現代人更惨,不止需要計劃一年,未上幼稚園,已需要開始計劃人生,每年每月每日都有無窮無盡的所謂工作、責任和煩惱。
有人企圖解釋,可能分母也有問題。人均生產力增長減速,或者是因為現代經濟高度自動化,需要工作的人愈來愈少,即是失業,underemployment和不需工作的人愈來愈多,所以人均生產效率就被拉低了。這個解釋有兩個問題,首先在這次COVID大流行前,以美國為例,失業率跌至3.5%的50年新低,何來工作人數在減少?近月隨着美國疫情減退,失業率又再急速下降,所以此論點不成立。
有人指出,雖然表面失業率低,但有不少人不再尋找長工,只做點「零工」(gig),或只領救濟,所以人均生產效率被拉低。我沒有深入研究過,但我懷疑近年underemployment的情况,是否真的比以前嚴重。我的印象是從前較以農業為重的社會,鄉下的「閒人」更多,城市化才是提升人均生產力的最重要元素。
總括來說,我承認經濟數據未必能夠完全反映科技進步對人類的影響,但仍不可以此為解釋生產效率增長放緩的藉口。
人類發展漸近兩科學極限
(3)我認為最重要的解釋是人類發展已逐漸走近兩個科學上的極限。第一個是地球資源所能提供的可延續發展極限。人類發展,從古至今,尤其從工業革命開始,都可說是建築在耗用地球資源身上,尤其倚賴化石能源,最初是最髒的煤炭,後來是更好用但更有限的石油,再加上較清潔但難儲存運輸的天然氣。近年我們當然開始發現化石能源的碳排放,帶來嚴重氣候變化問題,如不能在極有限時間內解決,足可導致一次全球大規模動植物滅絕災難!
樂觀來看,這個危機當然也提供很多發展再生能源、電動車輛(electric vehicle, EV)、儲能、碳捕獲(carbon capture),以至「地球工程」(geoengineering)技術的機會。但不能否認的是地球本身是個充滿有機化學(organic chemistry)的環境,最方便的能源必然是與炭相關的,石油的能源密度是任何電池技術的20倍以上。按《巴黎氣候協議》的計劃,人類必須在2050年前達到碳中和,談何容易?去年因疫情,全球碳排放確下降了約6.5%,接近但仍不到每年遞減7%的目標,今年美、中等經濟重開,有可能達標嗎?
另一個更根本的是物理的極限。歷史上最偉大的科學突破,毫無疑問是二十世紀初,愛恩斯坦的狹義和廣義相對論,和稍後由玻爾(Niels Bohr)、海森堡(Werner Heisenberg)和薛丁格(Erwin Schrodinger)等人所發展的量子力學(quantum mechanics)。兩套理論非常偉大,亦有極大實用性,核能和核武正是它們的結合,是禍是福,見仁見智。但不幸過去60年,理論物理已可說碰到了堅硬牆壁,相對論與量子力學有非常根本性,甚至哲學性矛盾,聰明如愛恩斯坦,窮人生最後30年努力,也無法解決此問題。後人想出很多充滿創意的理論,例如超弦理論(Superstring Theory),但全都是紙上談兵,毫無實驗證明,所以於事無補。
物理極限對應用科技和經濟發展有很大影響。整個IT革命都是由半導體技術進步所推進。最有名的摩爾定律(Moore's Law),雖並非一條真正永恒不變的物理定律,但在過去50年,一直是芯片發展的一個指標。事實是每一代的芯片發展,雖仍在進步,但速度早已放緩,最初摩爾定律預期每9至I2個月,芯片密度即可翻一倍,近年已放緩至兩年以上。強如過去的老大英特爾(Intel),已停滯於14nm兩年以上,只有台積電和三星能繼續推前,能成功生產7nm芯片。即使台積電等能如期做到2nm,無疑必將接近物理極限,再縮小必將帶出各種量子世界的奇怪現象如「穿隧效應」(tunneling effect),極難控制芯片性能。
在應用層面上,影響也必極大。單是AI無人駕駛,已是個極重要的科技夢想,亦是Tesla股價的一個重要支柱。馬斯克(Elon Musk)教主是個頂級銷售員,他一直不斷告訴「信徒」無人駕駛是個相對簡單的ANI(Artificial Narrow Intelligence)應用,只需GPU或ASIC夠快,加上視覺數據,必可在短期內成功。按馬斯克的說法,年輕一代不需要學駕駛汽車,法律甚至將禁止人類開車,所有汽車變成AI無人駕駛的EV。
無人駕駛為極複雜AI難題
事實上,無人駕駛是個極複雜的AI難題,最近連馬斯克開始承認困難比原先想像中高很多。不止Tesla,大部分其他公司都碰到同樣問題,不少甚至已放棄。Uber和Lyft都計劃出售無人駕駛部門,Alphabet的Waymo,近日CEO和CFO等多位高層相繼辭職。德國各大汽車廠近日都推出質量非常不錯的EV,但並無太多AI功能。
我一向認為無人駕駛沒那麼簡單,應屬於AGI(Artificial General Intelligence)問題,即需要所謂common sense。人腦當然遠比電腦慢,但複雜度遠比芯片高,人腦neurons(神經元)數量超過1000億,synapses(突觸)數量更超過125萬億,更加是三維物體,連形狀和組織都對人腦的思考、性格和整個意識(conciousness)非常關鍵,遠比現時最先進二維為主,7nm GPU的540億原子粒多和複雜。即使未來用到2nm技術,能做出人類common sense的機會仍很低。不少AI專家認為,AGI需要whole brain simulation,或甚至不可以矽為基礎原料,改以用所謂wet ware,不知是否想以基因工程技術,在試管中培植出一個以碳為基礎原料的有機AI系統?聽起來,比Frankenstein(科學怪人)更恐怖!
我沒有答案,只想提醒大家不要過度自以為是,人類始終是渺小的,我們對宇宙的認知非常有限!
(中環資產擁有Tesla、Uber、Alphabet、台積電及三星財務權益)
中環資產投資行政總裁
[譚新強 中環新譚]
https://www.mpfinance.com/fin/columnist3.php?col=1463481132098
「三星手機平均壽命」的推薦目錄:
- 關於三星手機平均壽命 在 Eddie Tam 譚新強 Facebook 的最佳解答
- 關於三星手機平均壽命 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於三星手機平均壽命 在 喜劇演員 Facebook 的最佳解答
- 關於三星手機平均壽命 在 [閒聊] 平均一隻手機用多久- 看板WomenTalk - 批踢踢實業坊 的評價
- 關於三星手機平均壽命 在 三星旗艦手機壽命很難超過2年了? - 3C板 - Dcard 的評價
- 關於三星手機平均壽命 在 [討論] 三星的中低階手機壽命? - PTT 熱門文章Hito 的評價
- 關於三星手機平均壽命 在 大家的手機使用壽命都多長? - Mobile01 的評價
- 關於三星手機平均壽命 在 [問題] 大家三星手機使用平均壽命? - 看板MobileComm 的評價
- 關於三星手機平均壽命 在 完美手機維修-大園店「全系列手機平板電腦現場維修服務」's post 的評價
- 關於三星手機平均壽命 在 面對蘋果,三星也只能曇花一現!|【台灣手機市佔率排名】 的評價
- 關於三星手機平均壽命 在 三星平板壽命2023-在Facebook/IG/Youtube上的焦點新聞和 ... 的評價
- 關於三星手機平均壽命 在 三星平板壽命2023-在Facebook/IG/Youtube上的焦點新聞和 ... 的評價
- 關於三星手機平均壽命 在 三星平板壽命的情報與評價,PTT、MOBILE01、FACEBOOK 的評價
- 關於三星手機平均壽命 在 三星平板壽命的情報與評價,PTT、MOBILE01、FACEBOOK 的評價
- 關於三星手機平均壽命 在 三星平板壽命的情報與評價,PTT、MOBILE01、FACEBOOK 的評價
三星手機平均壽命 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
把AI導入邊緣裝置就對了!
作者 : Duncan Stewart、Jeff Loucks,Deloitte科技/媒體/電信中心
2020-06-04
邊緣AI晶片可能會嵌入越來越多的消費性裝置,例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用,例如機器人、攝影機、感測器和其他物聯網裝置...
德勤(Deloitte)預測,2020年,邊緣AI晶片出貨量將超過7.5億顆,銷售金額將達到26億美元,而且邊緣AI晶片的成長速度將遠高於整體晶片市場,估計到到2024年邊緣AI晶片出貨量可能超過15億顆,代表其複合年成長率(CAGR)至少達20%,是整體半導體產業(長期CAGR預測為9%)的兩倍多。
這些邊緣AI晶片可能會嵌入越來越多的消費性裝置,例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用,例如機器人、攝影機、感測器和其他物聯網裝置。消費性應用邊緣AI晶片市場將遠大於企業應用市場,但成長速度可能會較慢,預計2020年至2024年之間,其CAGR為18%;企業應用邊緣AI晶片市場的成長速度更快,同期CAGR預計為50%。
儘管如此,無論從出貨量還是銷售金額來看,今年消費性裝置應用都將佔據整體邊緣AI晶片市場的90%以上。這些邊緣AI晶片中的絕大部分將應用於高階智慧型手機,佔據目前所有使用中的消費性邊緣AI晶片70%以上。實際上不僅是2020年,在未來幾年,AI晶片的成長將主要由智慧型手機推動。我們相信在今年預期出售的15.6億支智慧型手機中,超過三分之一都可能內含邊緣AI晶片。
由於對處理器的要求非常高,AI運算向來幾乎都在資料中心、企業核心設備或電信邊緣處理器上遠端執行,而不是在終端裝置本地執行;現在,邊緣AI晶片正在改變這一切。它們的實體尺寸更小、相對便宜、功耗更小、產生的熱量也更少,因而可以整合到手持裝置以及非消費性裝置(如機器人)中。
邊緣AI晶片可讓終端裝置能夠在本地執行密集型AI計算,減少甚至消除了將大量資料發送到遠端位置的需求,因此在可用性、速度、資料安全性和隱私性方面益處良多。從隱私和安全性方面來看,在邊緣裝置處理資料顯然更安全;個人資訊不離開手機就不會被攔截或濫用。而當邊緣AI晶片安裝在手機上時,即使未連結網路,它也可以完成所有處理。
當然,並非所有AI運算都必須在本地進行。針對某些應用,例如當裝置上的邊緣AI晶片無法處理太多資料時,將資料發送至遠端AI陣列來處理是適當的、甚至是首選方案。實際上,在大多數情況下,AI將以混合模式完成:一部分在裝置端實現,一部分在雲端實現。具體情況下應該選擇什麼樣的混合方式,要看需要完成的AI處理類型。
智慧型手機邊緣AI經濟學
並非只有智慧型手機使用邊緣AI晶片;其他裝置諸如平板電腦、可穿戴裝置、智慧揚聲器等也會採用AI晶片。短期內,其他裝置對邊緣AI晶片銷售的影響力可能會比智慧型手機小得多,原因若非這類市場沒有什麼成長(如平板電腦),就是這類市場規模太小、無法產生實質性的影響;例如,2020年智慧揚聲器和可穿戴裝置市場總銷售量預計僅1.25億部。不過許多可穿戴裝置和智慧揚聲器都依賴邊緣AI晶片,因此其普及率已經很高。
目前,只有價格最昂貴的智慧型手機(處於價格區間頂部)才可能內置邊緣AI晶片。但是,帶有AI晶片的智慧型手機並不一定要價格昂貴到讓消費者望而卻步。
我們可以對智慧型手機的邊緣AI晶片比例進行合理的估算。目前三星(Samsung)、蘋果(Apple)和華為(Huawei)的手機處理器圖片均顯示出裸片及所有功能特性,因此可以識別出晶片的哪些部分用於哪些功能。例如,三星Exynos 9820晶片的照片顯示,其晶片總面積的大約5%專用於AI處理器,整個應用處理器SoC的成本估計為70.50美元,僅次於顯示器,是手機中第二昂貴的元件,約佔據裝置總物料成本的17%。假設AI部分的成本與裸片上的其他部分一樣,即與所佔裸片面積成正比,那麼Exynos的邊緣AI神經處理單元(NPU)大約佔裸片總成本的5%,相當於每個NPU約3.50美元。
相同的,在蘋果的A12仿生晶片上,專用於機器學習的部分約佔裸片總面積的7%。如果整顆處理器的成本為72美元,邊緣AI部分的成本大約5.10美元。華為麒麟970晶片的成本估計為52.50美元,其中2.1%用於NPU,則這部分成本應為1.10美元(當然,裸片面積並不是衡量晶片總成本中有多少比例屬於AI的唯一方法。據華為表示,麒麟970的NPU包含1.5億個電晶體,佔整體晶片55億個電晶體總數的2.7%;按這樣計算,NPU的成本較高,約1.42美元)。
儘管這裡所提到的成本差別很大,但可以合理假設,NPU的平均成本約為每晶片3.50美元。雖然每顆晶片的價格不高,但考量達到5億支的智慧型手機出貨量(還不包括平板電腦、智慧揚聲器和可穿戴裝置),這仍然是一個很大的市場。
製造商的平均成本為3.50美元,最低可能僅1美元,因此在智慧型手機晶片中添加專用的邊緣AI NPU是很自然的事。按照正常的利潤加價幅度,製造成本增加1美元,對終端消費者而言也僅增加2美元。這意味著即使是價格低於250美元的智慧型手機,也可以享受NPU及其帶來的好處,如更好的攝影機、離線語音助理等,而價格漲幅不到1%。
AI晶片來源:自家生產還是找外部供應商?
生產智慧型手機和其他裝置的廠商取得邊緣AI晶片的方式各不相同,這主要取決於手機機型、甚至是區域市場等因素。有些公司向高通(Qualcomm)和聯發科(MediaTek)等第三方供應商採購應用處理器/數據機晶片,這兩家公司在2018年合計佔據了智慧型手機SoC市場約60%的比例。高通和聯發科提供了一系列不同價位的SoC;儘管並非都包含邊緣AI晶片,高階型號通常都會有,例如高通的Snapdragon 845和855,以及聯發科的Helio P60。
在另一方面,蘋果則完全不使用外部供應商的應用處理器晶片,而是設計並使用自己的處理器SoC,如A11、A12和A13 仿生晶片,所有這些晶片都支援邊緣AI。其他手機製造商如三星和華為則採用混合策略,也就是會從市場上的晶片供應商採購一部分SoC,其餘則使用自家研發的晶片,例如三星的Exynos 9820和華為的麒麟970/980。
兵家必爭的企業與工業應用領域邊緣AI市場
如果在智慧型手機和其他裝置中採用邊緣AI處理器好處多多,那為何不將之導入企業應用呢?事實上邊緣AI處理器已經有一些企業應用案例了,例如某些自主無人機;配備了智慧型手機應用處理器SoC的無人機,能完全在裝置端執行即時導航和避障,無需連結網路。
但是,針對智慧型手機或平板電腦最佳化的晶片並非許多企業或工業應用的正確選擇。如前面所述,智慧型手機SoC的邊緣AI部分僅佔總面積的5%,在總成本中佔據約3.50美元,功耗比整個SoC少大約95%。所以若開發出只有邊緣AI功能(加上其他一些必要功能,例如記憶體)的晶片,它的成本會更低、功耗更少且體積更小,豈不更好?
事實上,已經有這樣的晶片了。據說,有多達50家不同的公司正在開發各種各樣的AI加速晶片。在2019年就已經有獨立的邊緣AI晶片鎖定開發工程師,單價約80美元。而如果達到成千上百萬顆的量產,裝置製造商的採購成本會大幅降低,有些甚至可低至1美元(或是更少),而有些則需要幾十美元。現在,我們以智慧型手機邊緣AI晶片作為參考標準,假設邊緣AI晶片的平均成本約為3.50美元。
除了相對便宜之外,獨立的邊緣AI處理器還具有體積小的優勢,功耗也相對較低,僅為1W到10W之間。相比之下,一個由16顆GPU和兩顆CPU組成的資料中心叢集,雖然性能非常強大,成本將高達40萬美元,而且重量達到350磅、耗電達到10萬W。
利用這類已經問世的晶片,邊緣 AI可以為企業帶來更多新的可能性,尤其是在物聯網應用方面。透過使用邊緣AI晶片,企業可以大幅提升在連網裝置端進行資料分析的能力──不僅是收集資料──並將分析結果轉化為行動,從而避免了將大量資料傳送到雲端帶來的成本、複雜性和安全性挑戰。AI晶片可以幫助解決的問題包括:
資料安全和隱私
無論企業如何謹慎小心地保護資料,只要是收集、儲存並將資料傳送到雲端,都會不可避免地使企業面臨網路安全和隱私威脅;隨著時間推移,因應此一風險變得至關重要。世界各國紛紛訂定個資保護相關法規,消費者也逐漸意識到企業正在收集他們的各種資料,而有80%的消費者表示,他們認為企業沒有盡力保護消費者隱私。諸如智慧揚聲器之類的裝置開始在醫院等場合廣泛使用,這些場合對患者隱私的管理十分嚴格。
邊緣AI晶片可在本地處理大量資料,降低個人或企業資料被攔截或濫用的可能性。例如,具有機器學習處理能力的保全攝影機可以透過分析視訊來確定其中哪些部分相關,並只將這部分視訊傳送至雲端,從而降低隱私權洩露的風險。機器學習晶片還可以識別更廣泛的語音指令,從而減少需要在雲端進行分析的音訊。準確的語音辨識功能則有助於智慧揚聲器更精準識別「喚醒詞」,以避免聽到不相關的對話。
連網困難
裝置必須連網才能在雲端處理資料,但是在某些情況下,裝置連網是不切實際的。無人機就是一個例子,其運作位置可能使得維持其連網很困難,而且連網功能本身以及將資料上傳到雲端都會縮短電池壽命。在澳洲新南威爾斯(New South Wales, Australia)以配備嵌入式機器學習功能的無人機巡邏海灘,確保泳客安全;這些無人機不必連結網路就可以識別出被海浪捲走的泳客,或者警告泳客有鯊魚和鱷魚襲擊危險。
(太)大數據
物聯網裝置會生成大量數據。舉例來說,一架Airbus A-350噴射機配備6,000多個感測器,每日飛行航程會產生的數據量達到2.5 TB。在全球範圍內,保全攝影機每天生成的數據約2,500PB。將所有這些數據資料發送到雲端儲存和分析的成本高昂且複雜,將機器學習處理器放置於感測器或攝影機等終端裝置就可以解決這個難題。例如,可以在攝影機中配備視覺處理單元(VPU),也就是一種專用於分析或預處理數位影像的低功耗處理器SoC。借助嵌入式邊緣AI晶片,裝置可以即時分析資料,只有當相關資料需要傳送到雲端進一步分析時才會需要進行傳輸,這可大幅降低儲存和頻寬成本。
功耗限制
低功耗的機器學習晶片甚至可以讓AI運算在透過小型電池供電的裝置上執行,不會消耗過多電力。例如,Arm晶片可以嵌入呼吸器來分析資料,包括吸入肺活量和進入肺部的藥物流量。在呼吸器上完成的AI分析結果將傳送至智慧型手機應用程式,協助醫事專業人員為哮喘患者提供個人化醫療照護。
除了現在已有的低功耗邊緣AI NPU外,很多公司還致力於開發「微型機器學習」方案,也就是在微控制器單元之類的元件上實現深度學習。例如Google正在開發能讓微控制器分析資料的專用版本TensorFlow Lite,將需要發送到晶片外的資料壓縮為只有幾個位元組大小。
低延遲需求
無論是透過有線網路還是無線網路,在遠端資料中心執行AI運算都意味著往返延遲的存在,最佳情況下為1到2 毫秒(ms),最差情況則達到幾十甚至幾百毫秒。使用邊緣AI晶片在裝置端執行AI,可以將延遲降低到奈秒(nanoseconds)等級──這對於需要收集、處理資料並即刻採取行動的應用場景至關重要。
例如自動駕駛車輛必須透過電腦視覺系統收集並處理大量資料以識別物體,同時收集和處理來自感測器的資料以控制車輛各種功能;然後它們必須立即根據這些資料做出決策,像是何時轉彎、煞車或加速,以實現安全行車。為此,自動駕駛車輛必須自己處理在車輛中收集的大量數據。低延遲對機器人應用也很重要;隨著機器人逐漸出現在工廠環境並開始與人類協同工作,低延遲將變得越來越重要。
邊緣AI在大量數據應用至關重要
邊緣AI晶片的普及可能會為消費者和企業帶來重大變化。對消費者而言,邊緣AI晶片可以實現多種功能,從解鎖手機到與語音助理對話,甚至在極端困難的條件下拍攝出令人驚歎的照片,而這些應用都不需要連結網際網路。
但從長遠來看,邊緣AI晶片對企業應用的影響可能更大,它們將把企業的物聯網應用提升到一個全新的境界。由AI晶片驅動的智慧裝置將有助於擴展現有市場,衝擊現有企業,同時改變製造、建築、物流、農業和能源等產業的利潤分配。
收集、詮釋並立即根據大量數據資料採取行動的能力,對於那些仰賴大數據的應用至關重要;未來學家們預測,這類應用將被廣泛佈署,包括視訊監控、虛擬實境、自動駕駛無人機和車輛等等,而邊緣AI晶片就是讓各種裝置取得更高智慧的主角。
附圖:圖1:AI運算技術能佈署在不同位置。
(圖片來源:Deloitte Insights)
圖2:邊緣AI晶片市場規模預測。
(圖片來源: Deloitte Insights)
圖3:三星Exynos 9820的裸晶照片顯示,其中約有5%的面積為AI處理器。
(圖片來源:ChipRebel;注釋:AnandTech)
圖4:蘋果的A12仿生晶片約有7%的面積屬於機器學習的部分。
(圖片來源:TechInsights / AnandTech)
資料來源:https://www.eettaiwan.com/20200604putting-ai-into-the-edge-is-a-no-brainer-heres-why/?fbclid=IwAR3hRYuquNfTq5VzcEWYfqyJotBLBSp4PzLNyMackrs6V43r9NEMhRZ3Ap8
三星手機平均壽命 在 喜劇演員 Facebook 的最佳解答
手機外置電池 三星最搵笨
輸出電容量僅達標籤所示57%
港人智能手機、平板電腦不離手,幾乎人人都有帶備俗稱「尿袋」的外置電池傍身。《蘋果》委託理大電機工程學系測試市面七款外置電池的表現,發現無論是大廠行貨或內地山寨品牌,實際的輸出電容量,平均只達到標籤所示60%。其中售價近700元的三星Battery Pack9000mAh最搵笨,只達標籤57%,是測試之中性價比最差。專家批評生產商沒有標示實際輸出的電容量,令消費者真正用到的電容量低過購買期望。
記者:李雅雯
七款測試的外置電池牌子,包括三星、HTC、飛利浦、GP、MiPow,分別於百老滙、豐澤和太古城APITA電器部購入;另兩款在深水埗黃金電腦商場購入的內地山寨牌子,分別是iSuper和Power Bank。
本報委託有份研發港產電動車「MyCar」的理大電機工程學系電力電子研究中心主任鄭家偉教授,測試七款外置電池的功效,將每款外置電池以最大電流(discharge current)進行放電,得出電池所需的放電時間(discharge time),再將放電時間與電流相乘,再除以外置電池的標籤容量(mAh),從而計算出實際電容量。
可充電四次變兩次半
測試結果發現,售價699元的三星9000mAh的性價比最差,實際電容量5184mAh,只達標籤的57.6%。以一部三星 S3原裝手機的電池2100mAh容量計算,根據包裝標籤應可充電4.3次,但根據測試結果,實際只可充電2.5次。
其他品牌的外置電池同樣有落差,HTC的輸出電容量只有標籤的63.64%、GP有64.62%、MiPow有54.25%,表現最好的飛利浦則有66.67%。不過,飛利浦另一款在台灣出售的外置電池5200mAh,上月在台灣消保處公佈的官方測試結果之中,只達標籤的61.5%。
售價比三星便宜七成的內地山寨品牌iSuper,包裝標榜是用三星鋰電池,測試結果顯示,iSuper的輸電容量比三星更高,達到標籤的60%。不過,鄭教授稱,iSuper的放電電壓設計是3.6V,低於一般手機充電電壓5V,長期使用會損耗手機壽命,甚至影響手機性能。另一款平價的內地山寨品牌Power Bank12000mAh只售超筍價169元,但輸出電量只達標籤18.58%。
三星指產品表現理想
鄭表示,外置電池受體積細小限制,以及截電保護裝置,實際上電池的電容量不會百分百輸出;不過若設計精準,輸出的電量仍可達到電池容量的80至90%,70%是起碼應有的標準。不過,七款電池的測試結果只達標籤容量60%,他認為可能是電池的電子線路、截停電源設計不妥善,「或者嚿電池根本容量低、質素差。」
三星電子提供內部測試數據,力證產品表現理想,又表示與理大測試有所不同,所以結果亦有所不同。HTC稱,標籤列出是電芯本體的容量,並非輸出的電容量,內部測試電芯沒有安裝在移動電源內,故不會有能量損失,並相信理大的測試結果與標籤不同,是因為部份能量在轉換輸出時損耗。
MiPow香港代理稱電池容量經電壓轉換器轉換,輸出的能量會部份消耗,外置電池會因環境及使用次數存在差別。GP與飛利浦回覆指,理大測試以電流mAh值計算不準確,應以瓦時(Wh)為計算單位才可準確形容電能量。不過,記者翻看全部七款電池的包裝,發現一律只列出mAh的數值。
三星手機平均壽命 在 三星旗艦手機壽命很難超過2年了? - 3C板 - Dcard 的推薦與評價
以前手機都能用好久,我記得都用超過3年,現在感覺越來越不行了。 用2年就壞,算一台3萬塊的話,平均一年要1.5萬。 如果是蘋果高階一點的,一台 ... ... <看更多>
三星手機平均壽命 在 [討論] 三星的中低階手機壽命? - PTT 熱門文章Hito 的推薦與評價
小弟上一隻用a60現在用a42a60用了一年半就換了a42目前用一年也覺得開始有一些問題了請問這是正常的嗎?三星有其他比較耐用的手機嗎?-----Sent from JPTT on my ... ... <看更多>
三星手機平均壽命 在 [閒聊] 平均一隻手機用多久- 看板WomenTalk - 批踢踢實業坊 的推薦與評價
目前是第三支智慧手機,
第一支是旗艦機,用了有四年吧,後來就越來越慢,第二支是同牌的中階機,大概用一年
,不知為何用行動支付時常會當掉,就換第三支別牌的中階,目前使用還慢順的,大家都
多久換?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.12.45.190 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/WomenTalk/M.1577860206.A.61E.html
... <看更多>